DBHP: Trajectory Imputation in Multi-Agent Sports Using Derivative-Based Hybrid Prediction

要約

多くの時空間ドメインはマルチエージェントの軌跡データを処理しますが、現実のシナリオでは、収集された軌跡データがさまざまな理由により部分的に欠落していることがよくあります。
既存のアプローチは、軌道代入において優れたパフォーマンスを示していますが、現実的な軌道を制御する物理的制約が欠如しているため、複雑なダイナミクスやエージェント間の相互作用を捕捉する際に課題に直面しており、最適な結果が得られません。
この問題に対処するために、この論文では、複数のエージェントの欠落した軌跡を効果的に代入できる Derivative-Based Hybrid Prediction (DBHP) フレームワークを提案しています。
まず、Set Transformers を備えたニューラル ネットワークは、入力エージェントの次数に関する順列等分散を満たしながら、欠落した軌跡の単純な予測を生成します。
次に、フレームワークは速度と加速度の情報を活用して代替予測を行い、すべての予測を適切に決定された重みと組み合わせて、最終的な代入軌道を提供します。
このようにして、私たちが提案するフレームワークは、位置、速度、加速度の値を正確に予測するだけでなく、それらの間の物理的な関係も強制し、最終的に予測軌道の精度と自然さの両方を向上させます。
したがって、チーム スポーツにおける選手の軌道の代入に関する実験結果は、私たちのフレームワークが既存の代入ベースラインを大幅に上回ることを示しています。

要約(オリジナル)

Many spatiotemporal domains handle multi-agent trajectory data, but in real-world scenarios, collected trajectory data are often partially missing due to various reasons. While existing approaches demonstrate good performance in trajectory imputation, they face challenges in capturing the complex dynamics and interactions between agents due to a lack of physical constraints that govern realistic trajectories, leading to suboptimal results. To address this issue, the paper proposes a Derivative-Based Hybrid Prediction (DBHP) framework that can effectively impute multiple agents’ missing trajectories. First, a neural network equipped with Set Transformers produces a naive prediction of missing trajectories while satisfying the permutation-equivariance in terms of the order of input agents. Then, the framework makes alternative predictions leveraging velocity and acceleration information and combines all the predictions with properly determined weights to provide final imputed trajectories. In this way, our proposed framework not only accurately predicts position, velocity, and acceleration values but also enforces the physical relationship between them, eventually improving both the accuracy and naturalness of the predicted trajectories. Accordingly, the experiment results about imputing player trajectories in team sports show that our framework significantly outperforms existing imputation baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google